MongoDB 聚合管道的文档筛选($match)及分组统计($group)

上一篇我们了解了聚合管道的使用及聚合表达式的介绍，其中包含了聚合管道的语法：

        db.collection.aggregate(pipeline, options)

其中，

        collection：指的是集合或者视图

        pipeline：数组类型，是一组数据聚合操作。

                其基本语法：[ { <stage> }, ... ]；由一组stage组成的数组。

        options: 可选，文档类型，其他的一些选项。

如果想进一步了解，可以参考：

MongoDB 聚合管道的使用及聚合表达式的介绍https://blog.csdn.net/m1729339749/article/details/130034020这篇我们主要介绍使用聚合管道实现文档筛选、分组统计：

一、准备工作

初始化零食数据

db.goods.insertMany([
    { "_id": 1,  name: "薯片", size: "S", quantity: 10, price: 8, expirationTime: ISODate( "2023-08-08T00:00:00Z" ) },
    { "_id": 2,  name: "薯片", size: "L", quantity: 8, price: 12, expirationTime: ISODate( "2023-08-08T00:00:00Z" ) },
    { "_id": 3,  name: "牛肉干", size: "L", quantity: 5, price: 30, expirationTime: ISODate( "2023-10-10T00:00:00Z" ) },
    { "_id": 4,  name: "可口可乐", size: "S", quantity: 10, price: 3, expirationTime: ISODate( "2025-01-06T00:00:00Z" ) },
    { "_id": 5,  name: "可口可乐", size: "L", quantity: 6, price: 10, expirationTime: ISODate( "2025-01-06T00:00:00Z" ) },
    { "_id": 6,  name: "旺仔牛奶", size: "L", quantity: 10, price: 5, expirationTime: ISODate( "2023-08-10T00:00:00Z" )}
])

二、文档筛选（$match）

语法：{ $match: { <query> } }

过滤文档，只有匹配的文档才能进入到下一个处理阶段

其中，query 代表的是查询过滤器，可以参考：

MongoDB 查询文档(1)https://blog.csdn.net/m1729339749/article/details/129965699MongoDB 查询文档(2)https://blog.csdn.net/m1729339749/article/details/129971708例子：统计型号是L的商品都有哪些

db.goods.aggregate([
    {
        $match: { "size": "L" },
    },
    {
        $group: {
            "_id": "$size",
            "goods": { "$addToSet": "$name" }
        }
    }
])

先过滤出产品型号是L的商品，再进行分组统计。

聚合查询的结果如下：

{ "_id" : "L", "goods" : [ "薯片", "牛肉干", "可口可乐", "旺仔牛奶" ] }

二、分组统计（$group）

语法：

{
  $group:
    {
      _id: <expression>, // Group key
      <field1>: { <accumulator1> : <expression1> },
      ...
    }
 }

其中_id对应的expression对应的是分组字段。

field是定义的聚合字段，需要通过accumulator运算符计算得到。

下面我们介绍不同的accumulator运算符：

1、$addToSet

语法：{ $addToSet: <expression> }

返回一个数组，其中数组中的值不会重复(会去重)，数组中的值来源于组内每个文档使用表达式计算后的结果。

例子：统计一下不同零食都有哪些型号

db.goods.aggregate([
    {
        $group: { 
            "_id": "$name", 
            "totalSize": { $addToSet: "$size" }
        }
    }
])

按照名称进行分组，把分组内文档的型号字段对应的数据进行汇总后放入新的字段。

聚合查询的结果如下：

{ "_id" : "牛肉干", "totalSize" : [ "L" ] }
{ "_id" : "薯片", "totalSize" : [ "S", "L" ] }
{ "_id" : "可口可乐", "totalSize" : [ "L", "S" ] }
{ "_id" : "旺仔牛奶", "totalSize" : [ "L" ] }

2、$avg

语法：{ $avg: <expression> }

求组内所有文档使用表达式计算后的结果的平均值。

例子：统计一下不同型号零食的平均数量

db.goods.aggregate([
    {
        $group: { 
            "_id": "$size", 
            "avgQuantity": { $avg: "$quantity" }
        }
    }
])

按照型号进行分组，分组之后按照数量求平均值。

聚合查询的结果如下：

{ "_id" : "S", "avgQuantity" : 10 }
{ "_id" : "L", "avgQuantity" : 7.25 }

3、$max

语法：{ $max: <expression> }

求组内所有文档使用表达式计算后的结果的最大值

例子：统计一下不同零食的最高价格

db.goods.aggregate([
    {
        $group: { 
            "_id": "$name", 
            "maxPrice": { $max: "$price" }
        }
    }
])

按照名称进行分组，分组之后按照价格求最大值。

聚合查询的结果如下：

{ "_id" : "薯片", "maxPrice" : 12 }
{ "_id" : "牛肉干", "maxPrice" : 30 }
{ "_id" : "可口可乐", "maxPrice" : 10 }
{ "_id" : "旺仔牛奶", "maxPrice" : 5 }

4、$min

语法：{ $min: <expression> }

求组内所有文档使用表达式计算后的结果的最小值

例子：统计一下不同零食的最低价格

db.goods.aggregate([
    {
        $group: { 
            "_id": "$name", 
            "mixPrice": { $min: "$price" }
        }
    }
])

按照名称进行分组，分组之后按照价格求最小值。

聚合查询的结果如下：

{ "_id" : "薯片", "mixPrice" : 8 }
{ "_id" : "牛肉干", "mixPrice" : 30 }
{ "_id" : "可口可乐", "mixPrice" : 3 }
{ "_id" : "旺仔牛奶", "mixPrice" : 5 }

5、$sum

语法：{ $sum: <expression> }

        或者 { $sum: [ <expression1>, <expression2> ... ] }

求组内所有文档使用表达式计算后的结果求和

例子：统计一下不同零食的总数量

db.goods.aggregate([
    {
        $group: { 
            "_id": "$name", 
            "totalQuantity": { $sum: "$quantity" }
        }
    }
])

按照名称进行分组，分组之后按照数量求和。

聚合查询的结果如下：

{ "_id" : "薯片", "totalQuantity" : 18 }
{ "_id" : "牛肉干", "totalQuantity" : 5 }
{ "_id" : "可口可乐", "totalQuantity" : 16 }
{ "_id" : "旺仔牛奶", "totalQuantity" : 10 }